アナリティクス解析（Web Analytics Dashboard）
Webサイトのアクセスデータを分析し、PV/セッション/CVRの解析、ファネル分析、
アナリティクス解析（Web Analytics Dashboard）
概要
Webサイトのアクセスデータを分析し、PV/セッション/CVRの解析、ファネル分析、
チャネルアトリビューション、ユーザー行動パターンの特定、改善施策の優先度付けを行うスキル。
入力
実行手順
Step 1: 基本指標の集計
以下の指標を算出し、前期比を付ける:
```
トラフィックサマリー:
PV (ページビュー): {数値}（前期比 {増減%}）
セッション数: {数値}（前期比 {増減%}）
UU (ユニークユーザー): {数値}（前期比 {増減%}）
PV/セッション: {値}
平均セッション時間: {分:秒}
直帰率: {値}%
コンバージョンサマリー:
CV数: {数値}（前期比 {増減%}）
CVR: {値}%（前期比 {増減pt}）
CPA: ¥{金額}（広告経由の場合）
```
Step 2: チャネル別分析
流入チャネルごとのパフォーマンスを比較:
```
チャネル別パフォーマンス:
チャネル セッション CVR CV数 貢献率
─────────────────────────────────────────────
Organic Search {値} {値}% {値} {値}%
████████████████
Paid Search {値} {値}% {値} {値}%
████████████
Direct {値} {値}% {値} {値}%
██████████
Social {値} {値}% {値} {値}%
██████
Referral {値} {値}% {値} {値}%
████
Email {値} {値}% {値} {値}%
███
```
チャネル評価マトリクス:
| 象限 | 条件 | 判断 |
|------|------|------|
| 高CVR × 高ボリューム | CVR・セッション共に上位25% | 最重要チャネル。投資拡大 |
| 高CVR × 低ボリューム | CVRは上位だがボリューム不足 | ボリューム拡大施策 |
| 低CVR × 高ボリューム | ボリュームはあるがCVR低い | CVR改善施策（LP最適化等） |
| 低CVR × 低ボリューム | 両方低い | 撤退 or 抜本的見直し |
Step 3: ファネル分析
ユーザーの行動を段階ごとに分解:
```
アクイジション → エンゲージメント → コンバージョン
集客（Acquisition）
サイト訪問: {数値} ─────────── 100%
↓ 非直帰率: {値}%
エンゲージ（Engagement）
2ページ以上閲覧: {数値} ───────── {値}%
↓ 遷移率: {値}%
重要ページ到達: {数値} ─────── {値}%
↓ 遷移率: {値}%
コンバージョン（Conversion）
フォーム到達: {数値} ───── {値}%
↓ 完了率: {値}%
CV完了: {数値} ── {値}%
最大離脱ポイント: {ステップ名}（{離脱率}%が離脱）
← ここが最大の改善機会
```
Step 4: ユーザー行動パターン
行動データから以下を分析:
**ページ別パフォーマンス**:
| ページ | PV | 平均滞在時間 | 直帰率 | 離脱率 | 評価 |
|--------|-----|------------|--------|--------|------|
| トップ | - | - | - | - | - |
| 料金 | - | - | - | - | - |
| 機能紹介 | - | - | - | - | - |
| 問い合わせ | - | - | - | - | - |
**行動パターン分類**:
```
パターンA（CV済みユーザー）:
典型的な遷移: {ページ1} → {ページ2} → {ページ3} → CV
平均ステップ数: {値}
平均期間: {値}日
パターンB（離脱ユーザー）:
典型的な遷移: {ページ1} → {ページ2} → 離脱
離脱ページTOP3: {ページリスト}
```
Step 5: Core Web Vitals相関分析
サイトURLが提供されている場合、WebSearchでPageSpeed Insightsデータを取得:
```
検索クエリ: "{サイトURL} pagespeed insights"
```
| 指標 | 値 | 基準 | 判定 |
|------|-----|------|------|
| LCP (Largest Contentful Paint) | {値}s | <2.5s | 良好/要改善/不良 |
| INP (Interaction to Next Paint) | {値}ms | <200ms | 良好/要改善/不良 |
| CLS (Cumulative Layout Shift) | {値} | <0.1 | 良好/要改善/不良 |
パフォーマンスとCVRの相関:
```
仮説検証:
LCPが1秒改善 → CVRが約{値}%改善（業界平均: 1秒あたり7%改善）
モバイルスコアが10pt改善 → 直帰率が約{値}%改善
```
Step 6: 改善施策の優先度付け
影響度 × 工数のマトリクスで施策を整理:
```
影響度（大）
│
│ ★ Quick Win ★ 戦略施策
│ （高影響・低工数） （高影響・高工数）
│ → 最優先で実行 → 計画的に実行
│
├──────────────────────────────────
│
│ △ 余裕があれば ✕ 後回し
│ （低影響・低工数） （低影響・高工数）
│ → 時間があれば → 見送り
│
└────────────────────── 工数（大）
```
施策リスト:
| 優先度 | 施策 | 影響度 | 工数 | 期待効果 | 象限 |
|--------|------|--------|------|---------|------|
| 1 | {施策} | 大 | 小 | CVR +{値}% | Quick Win |
| 2 | {施策} | 大 | 大 | PV +{値}% | 戦略施策 |
| 3 | {施策} | 小 | 小 | 直帰率 -{値}% | 余裕時 |
出力フォーマット
```markdown
Webアナリティクス分析レポート
対象サイト: {サイト名}
分析期間: {YYYY-MM-DD} 〜 {YYYY-MM-DD}
エグゼクティブサマリー
1. トラフィック概況（Step 1）
2. チャネル分析（Step 2）
3. ファネル分析（Step 3）
4. ユーザー行動分析（Step 4）
5. パフォーマンス分析（Step 5）
6. 改善施策ロードマップ（Step 6）
```